STUDY ON GIS FOR YIELD ESTIMATION BY REMOTE SENSING IN JILIN MAIZE BELT

ＳＴＵＤＹ　ＯＮ　ＧＩＳ　ＦＯＲ　ＹＩＥＬＤ　ＥＳＴＩＭＡＴＩＯＮ　ＢＹ　ＲＥＭＯＴＥ　ＳＥＮＳＩＮＧ　ＩＮ　ＪＩＬＩＮ　ＭＡＩＺＥ　ＢＥＬＴＳＴＵＤＹＯＮＧＩＳＦＯＲＹＩＥＬＤＥＳＴＩＭＡＴＩＯＮＢＹＲＥＭＯＴＥＳＥＮＳＩＮＧＩＮＪＩＬＩＮＭＡＩＺ...     

基于高精度DEM和RS技术的滑坡环境指标参数快速提取方法——以陕西省宝鸡市金台区长乐塬特大型滑坡为例

DEM和RS技术是研究滑坡地质灾害的重要资料和手段。近年来,随着高空间分辨率遥感卫星和高精度雷达卫星的上天,可以获取现时性高精度的DEM,使滑坡地质灾害的研究由二维向三维提升。利用IRS-P5数据生成的5m精度的DEM,借鉴GOOGLE的三维可视性原理,将其和高空间分辨率QuickBird(0.61m)数据叠置到数字地球之上,制作成三维可视性图像,进行滑坡环境指标参数提取方法研究。研究结果表明,该方法可直接读取滑坡环境指标的三维参数,具有客观、准确、快速的特点,可为滑坡灾害评估和区域地质灾害危险性评价提供定量化资料。     

基于GIS／RS的西畴县法斗乡土地利用变化研究

随着科学技术的发展,遥感技术运用到土地利用管理中,能够快速提取土地利用变化信息,同时地理信息技术（GIS）迅猛发展,基于这两种技术结合起来探测土地资源的变化具有重要的现实意义。因此,在GIS平台支持下,将土地利用变化分析结果用于土地利用更新从而得到更新后的土地利用现状图。并根据土地利用面积变化、类型等方面对项目区进行了定性定量研究。根据土地利用变化情况以及土地利用各类型之间的相互转换状况,建立了土地利用类型转换矩阵并根据项目区实际情况提出了在石漠化地区生态效益恢复的建议及对策。     

江西省都昌县山地与平原植被界线提取

由于生长环境、地带性分布规律和垂直差异,山地与平原地区的不同植被类型在遥感影像上存在“同物异谱”及“异物同谱”现象,易导致土地类型的误分。为避免此类错分,在进行土地覆被类型解译之前,应首先确定平原、山地植被的边界。本文在遥感影像聚类分析、GIS空间分析及数理统计分析技术的支持下,以江西省都昌县北部地区为研究区域,基于高分一号（GF-1）遥感卫星影像及地形要素,完成了山地植被与平原植被的界线提取。实验结果显示,本研究得到的植被界线精度高达99.47%和96.28%。与单纯基于遥感影像分类得到的植被边界成果相比,精度提高了近25%和23%。研究证明,高分辨率遥感影像与地形因子结合后,计算得到的山地平原划分界线精度有明显提高,可以满足高分辨率遥感影像土地覆被类型解译研究的需要。     

机载多光谱影像语义分割模型在农田防护林提取中的应用

农田防护林是农田生态系统的屏障,其健康状况的监测与评估在我国北方农田林网管理中尤为重要。本文以新疆生产建设兵团第三师51团为研究区,使用复合翼无人机CW-20搭载Micro MCA12 Snap多光谱相机获取农田防护林的多光谱影像,经辐射校正、裁剪等预处理,通过优选有效特征和模型比较,提出农田防护林提取的有效方法。首先,基于原始12波段,依据相关性系数矩阵和最佳指数因子（Optimum Index Factor,OIF）选取最优3波段和植被指数特征进行组合,构建8种农田防护林提取方案;然后,通过建立语义分割Deeplabv3+模型进行精度评价,得到最优3波段组合6（波长710 nm）、8（波长800 nm）、 11（波长900 nm）波段为最佳特征组合;最后,以最优3波段为基础,将Deeplabv3+模型与U-Net、ENVINet5模型进行对比分析。结果表明：Deeplabv3+模型能够更深层次的挖掘光谱中潜在的信息,相比其他模型,能够较好地处理正负样本不均衡问题,获得最高MIoU值85.54%,比U-Net、ENVINet5的MIoU值则分别高出21.21%、27.19%。该研究结果可为基于多光谱遥感影像的语义分割在农田防护林提取及健康状况监测的应用提供借鉴和参考。     

基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

近30 a内蒙古阿拉善盟不同生态系统土地利用动态遥感监测

 利用遥感和GIS空间分析技术,以近30 a内蒙古阿拉善盟两期 Landsat MSS/TM遥感数据为主要信息源,通过目视解译方法提取了农田、林地、草地、水体与湿地、建设用地、荒漠等6种生态系统的25类土地利用现状数据,在此基础上进行了土地利用的动态变化分析。结果表明：近年荒漠生态系统用地达85.59%,其次是草地生态系统用地,占12.76%;近30 a土地利用变化最明显的特征是农田、林地、水域与湿地及建设用地增加80 263 hm²,占总土地面积的0.34%,草地和荒漠生态系统用地减少相应面积,总体土地利用相对变化量不大,仅为0.68%。     

基于深度学习的滑坡灾害易发性分析

滑坡灾害成因机理复杂、影响因素众多,深度学习作为当前人工智能领域的热点,能够更好地模拟滑坡灾害的形成并准确预测潜在的斜坡。为了挖掘深度学习在滑坡易发性的应用潜能,本文构建了一维、二维和三维的滑坡数据表达形式,并提出3种基于卷积神经网络模型（Convolutional Neural Networks, CNN）的滑坡易发性分析处理框架：基于CNN分类器、基于CNN与逻辑回归的融合和基于CNN集成,最后以江西省铅山县为研究对象进行验证,结果表明：所有基于CNN的易发性模型都能够获得准确且可靠的滑坡易发性分析结果。其中,基于二维数据的CNN模型在所有单分类器中预测精度最高,为78.95%。此外,二维CNN特征提取能够显著提升逻辑回归的预测精度,其准确率提升7.9%。最后,异质集成策略能够大幅度提升基于CNN分类器的滑坡预测精度,其准确率提升4.35%~8.78%。     

遥感图谱认知理论与计算

近年来,随着对地观测技术的迅猛发展,卫星遥感领域逐渐进入了大数据时代。针对当前遥感应用的需求和特点,开展与视觉认知相结合的高分辨率遥感认知理论与方法研究是可行且必要的。在此背景下,受地学信息图谱思想启发,本文对遥感认知领域的图谱问题进行了研究,系统地提出了遥感图谱认知理论与计算方法论,旨在规范高分辨率遥感信息提取流程,构建精细化、定量化、智能化、综合化相结合的遥感信息解译模型。整套方法体系由横向“自底向上的分层抽象”和纵向“自顶向下的知识迁移”2个方向上的认知计算组成,分别对应了“由谱聚图”、“图谱协同”和“认图知谱”3大图谱转化过程。论文对涉及的概念、基本思想、关键技术及难点问题进行了重点分析,强调综合利用大数据、逐步融入知识来实现不同层次的遥感认知,以期为数据源极大丰富条件下的遥感信息解译提供新的视角。     

基于Google Earth的遥感影像数据资料归档系统

将Google Earth应用于遥感影像数据资料归档系统中,是一种新的遥感资料归档方法,能将归档的成果文件整合,克服了传统归档方式不能快速查看数据效果、位置、属性信息的缺点,很好地适应了信息化工作程序对图像数据库的快速响应的要求.ARCGIS补充了Google Earth薄弱的空间分析功能.系统再联合EXCLE表件,方...